基于卷积神经网络带标记的钢板表面缺陷检测  

Detection and optimization of steel surface defects based on convolutional neural network

作　　者：汤勃 戴超凡[1,2] 黄文豪 TANG Bo;DAI Chao-fan;HAUNG Wen-hao

机构地区：[1]武汉科技大学冶金装备及其控制教育部重点实验室,武汉430081 [2]武汉科技大学机械自动化学院,武汉430081

出　　处：《制造业自动化》2020年第9期34-40,共7页Manufacturing Automation

摘　　要：钢铁产业是制造业的支柱性产业,由于生产中工况多样性,导致钢板表面的缺陷种类繁多,难以检测,且检测准确率及效率不理想。针对小样本的钢板表面缺陷分类检测问题,提出基于卷积神经网络带标记的钢板表面缺陷检测系统。首先,灯源采用狭缝式结构,相机选用为TEDTECH公司型号TM-C1582U,采集钢板表面缺陷样本,共计1300个样本,分为六类缺陷,即色差、孔洞、划痕、磷化斑、针眼、白斑,将其分为训练集和测试集;其次,对钢板缺陷图像进行双边滤波去噪;然后,使用canny算子进行边缘检测;再次,选用特征灰度值一阶概率分布P(i)和x方向投影特征P(x),求其特征向量,在图像边缘处补一列或者几列特征向量;最后,设计卷积神经网络结构,采用3个卷积层和1个6类别softmax输出层,其中激活函数为ReLU函数。由开源框架Caffe和其C++接口实现,分别对其训练,最高准确率可达93.20%、95.69%、97.35%、94.52%、94.15%、95.71%。

关 键 词：缺陷检测 卷积神经网络 图像处理 特征标记 

分 类 号：TH16[机械工程—机械制造及自动化] TP751[自动化与计算机技术—检测技术与自动化装置]